/ Модель

Характеристики

Контекст
1 024 000 токенов
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-Nemo-Instruct-2407
Опубликована
5 авг 2024

Nemo-12B-Marlin-v5

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель Mistral на 12,1 млрд параметров для генерации ролевых диалогов, дообученная на ChatML-беседах.

83скачиваний за 30 дней5лайковвеса обновлены6 авг 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Nemo-12B-Marlin-v5 — экспериментальная разговорная модель на базе Mistral-Nemo-Instruct-2407, дообученная UsernameJustAnother для ролевых диалогов. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и формат ChatML; основной сценарий — генерация ответов в текстовом чате и ролевых беседах. В обучении использованы 10 801 созданный людьми диалог из разных источников, отобранных автором.

Модель принимает текст и генерирует текст; в метаданных заявлены английский язык и контекст до 1 024 000 токенов. Автор характеризует её как эксперимент для освоения тонкой настройки: обучение заняло около пяти часов на одном A100 без цикла оценки, поэтому качество не подтверждено описанной оценкой. Лицензия — Apache-2.0.

Сценарии применения

  • ведение ролевых диалогов с персонажем
  • генерация ответов в разговорном чате
  • создание продолжений пользовательских диалогов

Ограничения

Автор обозначает модель как экспериментальную; обучение проводилось без цикла оценки, поэтому опубликованная карточка не подтверждает качество на независимых тестах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Uploaded model

  • Developed by: UsernameJustAnother
  • License: apache-2.0
  • Finetuned from model : unsloth/Mistral-Nemo-Instruct-2407

I am a terrible liar. I came across another dataset I had to use, and this is the result. Still experimental, as I made these to teach myself the basics of fine-tuning, with notes extensively borrowed from https://huggingface.co/nothingiisreal/MN-12B-Celeste-V1.9

It is an RP finetune using 10,801 human-generated conversations of varying lengths from a variety of sources and curated by me, trained in ChatML format.

The big differences from Celeste is a different LoRA scaling factor. Celeste uses 8; I did several tests with this data before concluding I got lower training loss with 2.

Training took around 5 hours on a single Colab A100 (but I didn't do an eval loop). Neat that I could get it all to fit into 40GB of vRAM thanks to Unsloth.

It was trained with the following settings:

==((====))==  Unsloth - 2x faster free finetuning | Num GPUs = 1
   \\   /|    Num examples = 10,801 | Num Epochs = 2
O^O/ \_/ \    Batch size per device = 2 | Gradient Accumulation steps = 4
\        /    Total batch size = 8 | Total steps = 2,700
 "-____-"     Number of trainable parameters = 912,261,120

[ 14/2700 01:20 < 4:59:21, 0.15 it/s, Epoch 0.01/2] 
[2040/2040 3:35:30, Epoch 2/2] 

model = FastLanguageModel.get_peft_model(
    model,
    r = 256,
    target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",
                      "gate_proj", "up_proj", "down_proj",],
    lora_alpha = 32,  #   32 / sqrt(256) gives a scaling factor of 2
    lora_dropout = 0, # Supports any, but = 0 is optimized
    bias = "none",    # Supports any, but = "none" is optimized
    # [NEW] "unsloth" uses 30% less VRAM, fits 2x larger batch sizes!
    use_gradient_checkpointing = "unsloth", # True or "unsloth" for very long context
    random_state = 3407,
    use_rslora = True,  # setting the adapter scaling factor to lora_alpha/math.sqrt(r) instead of lora_alpha/r
    loftq_config = None, # And LoftQ
)

lr_scheduler_kwargs = {
    'min_lr': 0.0000024  # Adjust this value as needed
}

trainer = SFTTrainer(
    model = model,
    tokenizer = tokenizer,
    train_dataset = train_ds,
    compute_metrics = compute_metrics,
    dataset_text_field = "text",
    max_seq_length = max_seq_length,
    dataset_num_proc = 2,
    packing = False, # Can make training 5x faster for short sequences.
    args = TrainingArguments(
        per_device_train_batch_size = 2,
        per_device_eval_batch_size = 2, # defaults to 8!
        gradient_accumulation_steps = 4,
        warmup_steps = 5,
        num_train_epochs = 2,
        learning_rate = 8e-5,
        fp16 = not is_bfloat16_supported(),
        bf16 = is_bfloat16_supported(),
        fp16_full_eval = True, # stops eval from trying to use fp32
        eval_strategy = "no", # 'no', 'steps', 'epoch'. Don't use this without an eval dataset etc
        eval_steps = 1, # is eval_strat is set to 'steps', do every N steps.
        logging_steps = 1, # so eval and logging happen on the same schedule
        optim = "adamw_8bit", 
        weight_decay = 0.01,
        lr_scheduler_type = "cosine_with_min_lr", # linear, cosine, cosine_with_min_lr, default linear
        lr_scheduler_kwargs = lr_scheduler_kwargs, # needed for cosine_with_min_lr
        seed = 3407,
        output_dir = "outputs",
    ),
)

This mistral model was trained 2x faster with Unsloth and Huggingface's TRL library.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
d6e0c17

0 моделей